1 Librerias

library(readxl)
library(tidyverse)
## Registered S3 methods overwritten by 'tibble':
##   method     from  
##   format.tbl pillar
##   print.tbl  pillar
## -- Attaching packages ---------------- tidyverse 1.3.0 --
## v ggplot2 3.3.2     v purrr   0.3.4
## v tibble  3.0.3     v dplyr   1.0.7
## v tidyr   1.1.1     v stringr 1.4.0
## v readr   1.3.1     v forcats 0.5.0
## Warning: package 'dplyr' was built under R version 4.0.5
## -- Conflicts ------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
library(DT)
library(ggthemes)
## Warning: package 'ggthemes' was built under R version 4.0.3

2 Funciones

# PERU VS CHILE COLOMBIA MEXICO - AP
# PERU VS ARGENTINA BRASIL PARAGUAY URUGUAY VENEZUELA - MERCOSUR
# PERU VS COSTARICA EEUU CANADA ESPAÑA PORTUGAL - ODEC*
# ODEC* = Países analizadas en la RICYT menos los integrantes de la AP

bbdd <- function(data) {
 
  data %>% 
  mutate(
    Integración = 
      case_when(País %in% c("Chile", "Colombia", "México", "Perú") ~ "AP",
                País %in% 
                  c("Argentina", "Brasil", "Paraguay", "Uruguay", "Venezuela") 
                    ~ "MERCOSUR",
                País %in% c("Costa Rica", "Estados Unidos", "Canadá", "España", 
                            "Portugal") ~ "ODEC*",
                TRUE ~ "OTROS_LAC")) %>%
  filter(Integración != "OTROS_LAC")

}
grafico <- function(data, xlab, ylab, valor1, valor2) {

  #FORMATO LARGO
  
  data_l <- data %>%
  gather(key = "Año", value = "value", `2010`:`2019`)  
  
  # PERU VS PROMEDIOS AP Y MERCOSUR
  
  data_r <- data_l %>%
  group_by(Año, Integración) %>%
  summarise(media = mean(value, na.rm = TRUE) %>% round(digits = 2))
  
  # grafico
  ggplot(data_l, 
         mapping = aes(x = value, y = País, color = Integración)) +
  geom_point(size = 2.5) +
  facet_wrap(.~Año) +
  geom_vline(data = data_r, 
             mapping = aes(xintercept = media, color = Integración)) +
  geom_text(data = data_r %>% filter(Integración == "AP"), 
            mapping = aes(label = media, x = valor1 * media, y = "Venezuela"), 
            color = "red") +
  geom_text(data = data_r %>% filter(Integración == "MERCOSUR"), 
            mapping = aes(label = media, x = valor1 * media, y = "Argentina"), 
            color = "green") +
  geom_text(data = data_r %>% filter(Integración == "ODEC*"), 
            mapping = aes(label = media, x = valor2 * media, y = "Estados Unidos"),
            color = "blue") +
  theme_igray() +
  labs(x = xlab, y = ylab)
    
}

3 Indicadores RICYT

Red Iberoamericana de Indicadores de Ciencia y Tecnología.

3.1 Categoría: Contexto

3.1.1 Población

Definición: Población en millones

RICYT_CONTEXTO_POBLACION <- 
  read_excel("indicadores RICYT.xlsx", 
             sheet = "1.1", range = "B8:L37") %>%
  bbdd()
datatable(RICYT_CONTEXTO_POBLACION, class = "cell-border stripe", 
          editable = TRUE, extensions = "Buttons",
          options = list(dom = "Bfrtip",
                         buttons = c("copy", "csv", "excel", "pdf", "print")))
grafico(data = RICYT_CONTEXTO_POBLACION, xlab = "Población en Millones",
        ylab = "País", valor1 = 1, valor2 = 1)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups` argument.

3.1.2 PEA

Definición: Población económicamente activa

RICYT_CONTEXTO_PEA <- 
  read_excel("indicadores RICYT.xlsx", 
             sheet = "1.2", range = "B8:L37") %>%
  bbdd()
datatable(RICYT_CONTEXTO_PEA, class = "cell-border stripe", 
          editable = TRUE, extensions = "Buttons",
          options = list(dom = "Bfrtip",
                         buttons = c("copy", "csv", "excel", "pdf", "print")))
grafico(data = RICYT_CONTEXTO_PEA, xlab = "PEA", ylab = "País", valor = 1,
        valor2 = 1)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups` argument.
## Warning: Removed 6 rows containing missing values (geom_point).

3.1.3 PBI

Definición: Conjunto de bienes y servicios producidos en un país durante un año, expresado en millones de dólares corrientes.

RICYT_CONTEXTO_PBI <- 
  read_excel("indicadores RICYT.xlsx", 
             sheet = "1.3", range = "B8:L37") %>%
  bbdd()
datatable(RICYT_CONTEXTO_PBI, class = "cell-border stripe", 
          editable = TRUE, extensions = "Buttons",
          options = list(dom = "Bfrtip",
                         buttons = c("copy", "csv", "excel", "pdf", "print")))
grafico(data = RICYT_CONTEXTO_PBI,
        xlab = "PBI (millones de U$S corrientes)", ylab = "País", valor1 = 8,
        valor2 = 2)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups` argument.
## Warning: Removed 1 rows containing missing values (geom_point).

Notas generales: Las estimaciones en dólares fueron obtenidas aplicando los datos de Tipo de Cambio del Banco Mundial sobre la información en moneda local provista por cada país. Argentina: En 2014 el Instituto Nacional de Estadísticas y Censos de Argentina ha modificado su metodología para el cálculo del PBI tomando como año base a 2004 en lugar de 1993. En consecuencia, los valores anteriores de la serie 2004-2012 fueron corregidos.Cuba: Se utilizó el tipo de cambio oficial (1 Peso Cubano = 1 Dolar estadounidense)América Latina y el Caribe: Los datos son estimados.Iberoamérica: Los datos son estimados.

3.1.4 PPC

Definición: Conjunto de bienes y servicios producidos en un país durante un año, expresado en millones de dólares PPC.

RICYT_CONTEXTO_PPC <- 
  read_excel("indicadores RICYT.xlsx", 
             sheet = "1.4", range = "B8:L36") %>%
  bbdd()
datatable(RICYT_CONTEXTO_PPC, class = "cell-border stripe", 
          editable = TRUE, extensions = "Buttons",
          options = list(dom = "Bfrtip",
                         buttons = c("copy", "csv", "excel", "pdf", "print")))
grafico(data = RICYT_CONTEXTO_PPC,
        xlab = "PBI (millones de U$S corrientes PPC)", ylab = "País",
        valor1 = 8, valor2 = 2)
## `summarise()` has grouped output by 'Año'. You can override using the `.groups` argument.
## Warning: Removed 3 rows containing missing values (geom_point).